LA专题 | 叶宇 黄成成 李心恬 陈晓雨 | 人本视角街道绿视率vs鸟瞰视角绿化覆盖率：城市绿化指标差异与秘密解析

全文刊登于《风景园林》2023年第9期 P20-28

叶宇，黄成成，李心恬，陈晓雨.人本视角街道绿视率与鸟瞰视角绿化覆盖率的表现差异及影响因素解析[J].风景园林，2023，30（9）：20-28．

人本视角街道绿视率与鸟瞰视角绿化覆盖率的表现差异及影响因素解析

叶宇

男 / 博士 / 同济大学建筑与城市规划学院副教授 / 高密度人居环境与生态节能教育部重点实验室副主任 / 本刊特约编辑 / 研究方向为定量城市形态、数据城市设计和城市大数据

黄成成

女 / 同济大学建筑与城市规划学院在读硕士研究生 / 计算性城市设计实验室科研助理 / 研究方向为量化城市设计

李心恬

女 / 硕士 / 同济大学建筑与城市规划学院教育部生态化城市设计国际合作联合实验室专职研究助理 / 研究方向为历史保护规划与定量城市研究

陈晓雨

女 / 同济大学建筑与城市规划学院在读硕士研究生 / 计算性城市设计实验室科研助理 / 研究方向为数据城市设计和低碳城市设计

作者写作心得 

摘要：【目的】在绿色城市设计兴起的背景下，人本视角街道绿视率作为城市空间精细化感知品质的指征日益受到重视。探索人本视角街道绿视率与现行规划管控所使用的鸟瞰视角绿化覆盖率之间的关系，以揭示绿化覆盖率是否能够充分反映市民在日常生活中频繁接触的街道绿视率水平，旨在为将街道绿视率指标纳入绿色城市设计导控提供科学依据。【方法】借助街景大数据与卫星遥感影像，运用深度学习与地理信息系统，以定性的四象限分析、定量的逻辑回归分析和相关性分析探索中国8个城市的街道绿视率与绿化覆盖率的一致性表现情况。【结果】发现一线、新一线城市的街道绿视率和绿化覆盖率往往具有一致性，而二线城市大概率不一致。街道绿视率与绿化覆盖率的一致性表现，除受自然气候条件的影响，还受经济水平的显著正向影响；街道绿视率除受绿化覆盖率和经济水平的正向影响，还受街块面积的负向影响。【结论】街道绿视率与绿化覆盖率的一致性表现并非必然，有必要将街道绿视率作为导控要素纳入绿色城市设计中进行分析。街道绿视率与绿化覆盖率的一致性，以及街道绿视率指标自身的高低并不单纯由自然气候条件决定，适度的财政投入能有效提升街道绿视率与绿化覆盖率，小街密路的城市形态特征则能有效提升街道绿视率。

关键词：绿色城市设计；街道绿视率；绿化覆盖率；多源数据

1 研究背景与问题界定

1.1  人本视角街道绿视率：绿色城市设计背景下的重要指征

在中国快速城镇化下，土地资源紧缺，人口激增，推动了高密度城市发展。这带来了土地有效利用，但也带来了一系列环境问题。

绿色城市设计是指以生态优先为原则，以创造可持续发展的环境为目标的城市设计，能有效改善城市生态环境、优化城市景观风貌、提升人居环境品质等。在城市环境恶化的背景下，绿色城市设计已成为城市品质化建设的必由之路。

城市绿化在改善城市环境和居住体验方面至关重要，是绿色城市设计应考虑的重要内容。鸟瞰视角绿化覆盖率（简称“绿化覆盖率”）是传统绿地规划中衡量城市整体绿化水平最重要的指标，指绿化覆盖面积在区域总面积中的占比。相关研究的证明了可感知绿化在保持居民身体健康、提升居民生活品质和改善城市气候环境等方面的益处，人本视角街道绿视率（下称“街道绿视率”）这一指标的重要性逐渐凸显。街道绿视率用于测度街道的绿化水平，指人眼看到的绿化面积占整个视域面积的百分比。绿化覆盖率从鸟瞰视角出发，反映宏观绿化水平；街道绿视率则从人本视角出发，直观地反映街道（人们日常接触频率最高的公共空间）的可感知绿化水平。二者相比，后者真正响应了“以人为本”的新型城镇化转型需求。

在以往的研究中，街道绿视率主要利用相机获取人眼视角的街道图像，然后利用手工分析方式分析绿色占比。近年来，借助百度街景、谷歌街景等数据以及机器学习技术的发展，街道绿视率的测量变得更为高效和准确。

高水平的街道绿视率在人居环境提升方面的重要性已被证实，大数据和新技术的发展也已实现高精度、大规模的街道绿视水平测度。在城市规划者和政策制定者开展高密度城市绿化相关工作时，纳入街道绿视率这一指标已成为可能。

1.2  街道绿视率与绿化覆盖率一致性表现的问题及情况界定

街道绿视率与绿化覆盖率的一致性表现是关键问题。若不一致，即高绿化覆盖率不能保证高街道绿视率，那么将街道绿视率纳入城市绿化规划变得至关重要。本研究关注这一问题，还关注了影响街道绿视率自身的因素，以提供提升街道绿视率的有效方法。

为了明确问题，本研究将街道绿视率与绿化覆盖率的一致性表现分为3类，详见图1。A意味着绿化资源与街道绿视资源相匹配，是常规情况；B表示绿化资源较多，但在街道上能被感知的部分较少，有提升潜力；C意味着在绿化不足情况下仍有高街道绿视率，是更优的情况。这3种表现可用于评估不同城市的绿化情况。

1 街道绿视率与绿化覆盖率的 3 种一致性表现

1.3  现有研究进展与局限

已有研究表明街道绿视率与用于绿化导控的绿化覆盖率不一定表现一致。中国城市绿化水平的评估主要从绿化覆盖率的角度展开。绿化覆盖率与街道绿视率之间的普遍关联以及将街道绿视率纳入绿色城市设计和规划中的必要性，目前尚未有深入的研究。现有研究聚焦于自然条件、经济水平、城市形态等因素对街道绿视率与绿化覆盖率的单独影响，解析二者一致性表现影响因素的研究仍属空白。就街道绿视率自身而言，现有研究大多关注道路宽度和绿化模式等微观层面要素对街道绿视率的影响，对宏观层面要素与街道绿视率的相关性研究较为薄弱。

基于现有研究的局限，本研究明确了3个待解决的问题：1）中国城市街道绿视率与绿化覆盖率的一致性表现情况；2）街道绿视率与绿化覆盖率一致性表现的影响因素；3）街道绿视率自身的影响因素，以及街道绿视率的提升策略。

2 研究范围

本研究以8个城市的中心城区为研究范围，以四级行政区（含乡、镇、街道等，下文统一称“街道级单元”）为研究单元（图2）。这8个城市的建设起步较早，居民人口众多且有相对完善的绿化政策，在自然、经济、城市形态层面均存在一定差异，具有研究的代表性。

2 研究范围及研究单元

3 研究方法与数据

本研究分2个部分进行，共包含4个步骤（图3）。

3 研究框架

3.1  数据处理

数据处理包含绿化覆盖率、街道绿视率和可能的影响因素3个维度的数据采集与计算。

3.1.1  绿化覆盖率

绿化覆盖率是指城市建成区域内绿地垂直投影面积在区域总面积中的占比，本研究采用归一化植被指数（normalized difference vegetation index, NDVI）的计算结果作为绿地覆盖率的数值。地物光谱信息数据来源于中国科学数据网。利用ArcGIS软件对地物光谱信息数据进行栅格化，并利用像元二分模型和栅格计算器工具对各栅格像元的植被覆盖度进行计算，以各街道单元内的NDVI均值作为本研究中街道级单元的绿化覆盖率（图4）。

4 各街道级单元绿化覆盖率估算结果

3.1.2  街道绿视率

街道绿视率在百度街景数据基础上利用机器学习方法计算获得。街道网络数据下载自OSM（OpenStreetMap）网站，通过百度地图批量获取街景数据。本研究将采样点间隔设为40 m（图5），利用Python采集各采样点处4个方向的人眼视角图像（图6）。其次，将上述街景图像通过DeepLab v3模型进行语义分割，提取不同空间要素，其中植被部分被标记为绿色（图7），从而计算出每张街景图像的绿视率。将4个方向街景图像绿视率的均值作为采样点的绿视率。再次，通过ArcGIS空间连接功能计算每条街道内所有采样点的均值，以此作为该街道的绿视率。最后，以道路长度为权重对街道绿视率进行加权求和，并除以道路长度之和，求得各街道级单元的街道绿视率。

5 街景数据采样点（上海）

6 采样点 4 个方向街景的标准视图

7 语义分割街景图像及绿化提取图示

3.1.3  其他可能的影响因素

街道绿化的影响要素包括自然条件、经济水平、城市形态，本研究推测这3类要素也会对街道绿视率和绿化覆盖率的一致性表现和街道绿视率自身产生影响。自然条件数据来源于天气网，包括年均晴天数和街道级单元年均气温。经济水平数据包括人均生产总值（人均GDP）和距市中心的距离，其中，GDP数据来源于统计年鉴；距市中心的距离通过ArcGIS计算。城市形态数据包括平均街块面积和平均建筑高度，此类数据来源于OSM，并经ArcGIS处理得到。

3.2  数据分析

数据分析包含基于四象限分类的定性分析和多元逻辑回归分析，以及多元线性回归分析。首先，基于四象限分类讨论不同地区街道绿视率和绿化覆盖率的一致性表现；然后，基于四象限分类的多元逻辑回归，分析其他可能的影响因素对街道绿视率与绿化覆盖率一致性表现的影响；最后，利用多元线性回归分析包括绿化覆盖率在内的可能的影响因素对街道绿视率的影响。此部分数据分析将分别解决本研究的3个核心问题。

4  结果与分析

4.1  基于四象限分类的定性分析

本研究以所有街道级单元街道绿视率与绿化覆盖率的中位数来分别划分二者的高低水平，将各街道级单元样本划分为前文所述的3种相关类型（图8）。

8 基础四象限分析

各城市街道绿视率与绿化覆盖率表现不一致并非偶发情况。本研究发现中国一线、新一线城市的街道绿视率和绿化覆盖率基本具有一致性，而二线城市则极有可能出现两者不一致的现象。

由上述分析可推测城市发展水平对城市绿化有影响。为进一步证实上述影响，本研究将街道级单元人均GDP的高低在四象限分类图中以点的大小来表征（图9）。由此可知人均GDP较高的街道级单元，除北京的部分样本处于高绿视低绿化（C），其余基本都落在第一、三象限（A），而处于低绿视高绿化（B）的街道级单元人均GDP基本上均较低。由此可从定性层面看出经济水平对城市绿化表现的影响。

9 人均 GDP 视角下的四象限分析

4.2  基于四象限分类的多元逻辑回归

本研究建立多元逻辑回归模型，探究自然条件、经济水平和城市形态等因素对两者一致性表现的影响。

回归分析结果（表1）表明：街道绿视率与绿化覆盖率的一致性表现除常规的自然气候条件外，还显著受经济水平的正向影响。这可以解释为，较高经济水平的环境下，财政投入能够保证城市中的绿色资源被居民更多地感知到。越远离城市中心的乡镇，越倾向出现高绿化低绿视情况（B）。实际上，远离城市中心的地区绿化管控一般较为粗放，大面积公园或郊野绿地常用来快速满足绿化覆盖率的导控要求，而难以实现较好的街道绿视率。此外城市形态在一定程度也能够影响街道绿视率和绿化覆盖率相关表现的类别，但高层建筑并不影响绿化资源向街道绿视资源的转化。  

表1 基于四象限分类的多元逻辑模型回归结果

4.3  街道绿视率影响因素的多元线性回归

为探究不同因素对街道绿视率的影响，本研究建立4个多元线性回归模型对全样本进行分析。从模型的拟合信息（表2）看，影响街道绿视率水平的因素除自然气候条件外，还受到绿化覆盖率和经济水平的正向影响。前者可以解释为城市的沿街绿化和非沿街绿化水平能够在一定程度上直接或间接反映在街道绿视率上，因此高绿化覆盖率有利于实现高街道绿视率。后者可以解释为经济水平更高的地区能够获得更多绿化财政投入，从而增加其城市绿地和实施更科学合理的城市设计。同时街道绿视率还受到街区面积的负向影响。其原因可能是小街块形成更密集的路网带来了更密集的人行绿道，并更有利于小型城市绿地的布局。

表2 街道绿视率影响因素的多元线性模型回归结果

5  讨论与结论

城市的绿化覆盖率导控并不能保证街道绿视率。因此，在逐步发展绿色城市设计的过程中，应将人本视角的街道绿视率作为一个管控指标。无论是街道绿视率与绿化覆盖率的一致性表现，还是街道绿视率指标本身的水平，都不仅由自然气候条件决定，适度的资金投入可以有效提高一致性和街道绿视率。最后，城市设计应采用小街区密路网的方式，远离城市中心区的地区应注重营造街道绿化而非单纯关注集中绿地。

图片来源

文中图表均由作者绘制，其中图 2 使用的城市边界来源于高德开放平台，审图号：GS 京（2022）1061 号。

为了微信阅读体验，文中参考文献标注进行了删减，详见杂志。

参考文献

[1] 伍江.中国特色城市化发展模式的问题与思考[J].中国科学院院刊，2010，25（3）：258-263.

WU J. Problems and Consideration to the Chinese Model of Urbanization[J]. Bulletin of Chinese Academy of Sciences, 2010, 25 （3）: 258-263.

[2] 蔡云楠，温钊鹏，雷明洋.高密度城市绿色开敞空间的建设误区和优化策略[J].中国园林，2016，32（12）：76-80.

CAI Y N, WEN Z P, LEI M Y. Misunderstanding and Optimization Strategies of High-Density Urban Green Open Space Construction[J]. Chinese Landscape Architecture, 2016, 32 （12）: 76-80.

[3] 王建国.生态原则与绿色城市设计[J].建筑学报，1997（7）：8-12.

WANG J G. Ecological Principles and Green Urban Design[J]. Architectural Journal, 1997 （7）: 8-12.

[4] 杨俊宴，章飙.安全·生态·健康：绿色城市设计的数字化转型[J].中国园林，2018，34（12）：5-12.

YANG J Y, ZHANG B. Safety, Ecology, Health: Digital Transformation of Green Urban Design[J]. Chinese Landscape Architecture, 2018, 34 （12）: 5-12.

[5] KRELLENBERG K, WELZ J, REYES-PÄCKE S. Urban Green Areas and Their Potential for Social Interaction: A Case Study of a Socio-Economically Mixed Neighbourhood in Santiago de Chile[J]. Habitat International, 2014, 44: 11-21.       

[6] JIM C Y, SHAN X Z. Socioeconomic Effect on Perception of Urban Green Spaces in Guangzhou, China[J]. Cities, 2013, 31: 123-131.       

[7] LU Y. The Association of Urban Greenness and Walking Behavior: Using Google Street View and Deep Learning Techniques to Estimate Residents’ Exposure to Urban Greenness[J]. International Journal of Environmental Research and Public Health, 2018, 15 （8）: 1576.       

[8] HE D S, MIAO J, LU Y, et al. Urban Greenery Mitigates the Negative Effect of Urban Density on Older Adults’ Life Satisfaction: Evidence from Shanghai, China[J]. Cities, 2022, 124: 103607.       

[9] HUANG J X, HAO T P, WANG Y L, et al. A Street-Scale Simulation Model for the Cooling Performance of Urban Greenery: Evidence from a High-Density City[J]. Sustainable Cities and Society, 2022, 82: 103908.       

[10] AOKI Y. Relationship Between Perceived Greenery and Width of Visual Fields[J]. Journal of the Japanese Institute of Landscape Architects, 1987, 51 （1）: 1-10.       

[11] 邓小军，王洪刚.绿化率 绿地率 绿视率[J].新建筑，2002（6）：75-76.

DENG X J, WANG H G. Green Ratio. Green Space Ratio. Green Looking Ratio[J]. New Architecture, 2002 （6）: 75-76.

[12] NORDH H, HARTIG T, HAGERHALL C M, et al. Components of Small Urban Parks that Predict the Possibility for Restoration[J]. Urban Forestry & Urban Greening, 2009, 8 （4）: 225-235.       

[13] JIANG B, CHANG C Y, SULLIVAN W C. A Dose of Nature: Tree Cover, Stress Reduction, and Gender Differences[J]. Landscape and Urban Planning, 2014, 132: 26-36.       

[14] LI X J, ZHANG C R, LI W D, et al. Assessing Street-Level Urban Greenery Using Google Street View and a Modified Green View Index[J]. Urban Forestry & Urban Greening, 2015, 14 （3）: 675-685.       

[15] 叶宇，张灵珠，颜文涛，等.街道绿化品质的人本视角测度框架：基于百度街景数据和机器学习的大规模分析[J].风景园林，2018，25（8）：24-29.

YE Y, ZHANG L Z, YANG W T. Measuning Street Greening Quality from Humanistic Perspective: A Large-Scale Analysis Based on Baidu Street View Images and Machine Learning Algorithms[J]. Landscape Architecture, 2018, 25 （8）: 24-29.

[16] 白钊成，张家礼.不同尺度下街道空间绿化品质测度研究与提升策略：以杭州市中心城区为例[J].林业与生态科学，2021，36（4）:442-450.

BAI Z C, ZHANG J L. Research on Urban Street Greenery Quality Measurement Under Different Scales and Promotion Strategy: A Case Study of Hangzhou’s Main Urban Area[J]. Forestry and Ecological Sciences, 2021, 36 （4）: 442-450.

[17] YE Y, RICHARDS D, LU Y, et al. Measuring Daily Accessed Street Greenery: A Human-Scale Approach for Informing Better Urban Planning Practices[J]. Landscape and Urban Planning, 2019, 191: 103434.       

[18] 雒占福，张金，刘娅婷，等.2000—2017年中国城市绿化水平的时空演变及其影响因素研究[J].干旱区地理，2020，43（2）：481-490.

LUO Z F, ZHANG J, LIU Y T, et al. Spatiotemporal Evolution of Urban Greening in China and the Affecting Factors Between 2000 and 2017[J]. Arid Land Geography, 2020, 43 （2）: 481-490.

[19] 崔佳奇，刘宏涛，陈媛媛.中国城市建成区绿化覆盖率变化特征及影响因素分析[J].生态环境学报，2021，30（2）：331-339.

CUI J Q, LIU H T, CHEN Y Y. Changes in Green Coverage Rate of Urban Built-Up Areas in China and Influencing Factors[J]. Ecology and Environmental Sciences, 2021, 30 （2）: 331-339.

[20] 韩旭，唐永琼，陈烈.我国城市绿地建设水平的区域差异研究[J].规划师，2008（7）：96-101.

HAN X, TANG Y Q, CHEN L. Regional Difference in Urban Green Space in China[J]. Planners, 2008 （7）: 96-101.

[21] 刘志强，李彤杉，王俊帝，等.自然地理环境对城市建成区绿地率的综合作用研究[J].规划师，2019，35（8）：19-24.

LIU Z Q, LI T S, WANG J D. Comprehensive Effect of Physical Natural Environment on Green Space Rate of Built District in China[J]. Planners, 2019, 35 （8）: 19-24.

[22] 伍伯妍，钟全林，程栋梁，等.中国城市绿地空间分布特征及其影响因素研究[J].沈阳大学学报（社会科学版），2012，14（2）:13-16.

WU B Y, ZHONG Q L, CHEN D L, et al. Green Space in China Research on Spatial Distribution Characteristics and Its Influencing Factors of the City[J]. Journal of Shenyang University （Social Science）, 2012, 14 （2）: 13-16.

[23] 叶骏骅.我国城市绿化建设水平的区域差异及影响因素研究[J].生产力研究，2013（6）：94-96.

YE J H. Research on the Regional Differences and Influence Factors in Chinese Urban Greening Construction Level[J]. Productivity Research, 2013 （6）: 94-96.

[24] WEI X, HU M, WANG X J. The Differences and Influence Factors in Extracting Urban Green Space from Various Resolutions of Data: The Perspective of Blocks[J]. Remote Sensing, 2023, 15 （5）: 1261.       

[25] 彭巍，唐丽玉，胡颖，等.基于街景图像的福州城区主要道路绿视率研究[J].测绘与空间地理信息，2022，45（1）：62-66.

PEN W, TANG L Y, HU Y. et al. Study on Green View Index of Main Roads in Fuzhou City Based on Street View Images[J]. Geomatics & Spatial Information Technology, 2022, 45 （1）: 62-66.

[26] 刘英，党超亚，岳辉，等.改进型遥感生态指数与RSEI的对比分析[J].遥感学报，2022，26（4）：683-697.

LIU Y, DANG C Y, YUE H, et al. Comparison Between Modified Remote Sensing Ecological Index and RSEI[J]. National Remote Sensing Bulletin, 2022, 26 （4）: 683-697.

[27] 韩贵锋，蔡智，谢雨丝，等.城市建设强度与热岛的相关性：以重庆市开州区为例[J].土木建筑与环境工程，2016，38（5）：138-147.

HAN G F, CAI Z, XIE Y S, et al. Correlation Between Urban Construction and Urban Heat Island: A Case Study in Kaizhou District, Chongqing[J]. Journal of Civil and Environmental Engineering, 2016, 38 （5）: 138-147.

[28] 白海涛，刘军，冉旭东.基于多源大数据的智慧社区环境评价研究[J].中国电子科学研究院学报，2021，16（3）：270-276.

BAI H T, LIU J, RAN X D. Research on Environmental Evaluation of Intelligent Community Based on Multi-Source Big Data[J]. Journal of China Academy of Electronics and Information Technology, 2021, 16 （3）: 270-276.

[29] 甘春英，王兮之，李保生，等.连江流域近18年来植被覆盖度变化分析[J].地理科学，2011，31（8）：1019-1024.

GAN C Y, WANG X Z, LI B S, et al. Changes of Vegetation Coverage During Recent 18 Years in Lianjiang River Watershed[J]. Scientia Geographica Sinica, 2011, 31 （8）: 1019-1024.

[30] 李苗苗，吴炳方，颜长珍，等.密云水库上游植被覆盖度的遥感估算[J].资源科学，2004（4）：153-159.

LI M M, WU B F, YAN C Z, et al. Estimation of Vegetation Fraction in the Upper Basin of Miyun Reservoir by Remote Sensing[J]. Resources Science, 2004 （4）: 153-159.

[31] GEHL J. Life Between Buildings[M]. Washington, D.C.: Island Press, 2011.       

[32] BARGH J A, CHEN M, BURROWS L. Automaticity of Social Behavior: Direct Effects of Trait Construct and Stereotype Activation on Action[J]. Journal of Personality and Social Psychology, 1996, 71 （2）: 230-244.       

[33] YANG J, ZHAO L S, MCBRIDE J, et al. Can You See Green? Assessing the Visibility of Urban Forests in Cities[J]. Landscape and Urban Planning, 2009, 91 （2）: 97-104.       

[34] 曹象明，王超.基于风环境的西安市高层建筑区规划布局策略：以曲江新区为例[J].城市发展研究，2017，24（8）：20-26.

CAO X M, WANG C. The Planning Strategy of the High-Rise Buildings Layout in Xi’an City Based on the Wind Environment Improvement: A Case of Qujiang New District[J]. Urban Development Studies, 2017, 24 （8）: 20-26.

[35] 阳华珍.快速城镇化背景下小街区密路网的发展之路[C]//中国城市规划学会， 成都市人民政府.面向高质量发展的空间治理：2020中国城市规划年会论文集（17详细规划）. 北京：中国建筑工业出版社， 2021：56-67.

YANG H Z. The Development of Dense Road Network in Small Neighborhoods in the Context of Rapid Urbanization[C]//Urban Planning Society of China, Chengdu Municipal People’s Government. Spatial Governance for High Quality Development-Proceedings of the 2020 China Urban Planning Annual Conference （17 Detailed Planning）. Beijing: China Architecture & Building Press, 2021: 56-67.

[36] 姚春桂，左金友，吴吉林，等.“显山露水”背景下张家界永定城区建筑高度控制优化研究[J].重庆建筑，2021，20（11）：8-13.

YAO C G, ZUO J Y, WU J L, et al. Study on Optimization of Building Height Control in Yongding City of Zhangjiajie in the “Unveiling Scenery” Context[J]. Chongqing Architecture, 2021, 20 （11）: 8-13.

[37] 肖路.基于街景大数据的城市绿视率与影响因素多尺度分析研究[D].长春：中国科学院大学（中国科学院东北地理与农业生态研究所）， 2021.

XIAO L. Multiscale Analysis on the Driving Factors of Urban Street-View Greenery in China Based on Internet Streetview Map Bigdata[D]. Changchun: University of Chinese Academy of Sciences （Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences）, 2021.

[38] LI X J, ZHANG C R, LI W D, et al. Who Lives in Greener Neighborhoods? The Distribution of Street Greenery and Its Association with Residents’ Socioeconomic Conditions in Hartford, Connecticut, USA[J]. Urban Forestry & Urban Greening, 2015, 14 （4）: 751-759.

版面预览

相关阅读：

《风景园林》2023-09刊首语 | 杨俊宴：城市建成环境的绿色设计与营建《风景园林》2023-09目录 | 城市建成环境的绿色设计与营建 | 无障碍环境学术主持人与您聊新刊 | 《风景园林 》2023-09 城市建成环境的绿色设计与营建《风景园林》2023-09专题导读 | 城市建成环境的绿色设计与营建LA作品 | “时间漫步”明洞共享花园

完整深度阅读请参看《风景园林》2023年9期

扫描下方二维码或点击阅读原文进入店铺购买

文章编辑 边紫琳

微信编辑 刘芝若

微信校对 李清清

审核 曹娟

声明

本文版权归本文作者所有

未经允许禁止转载

如需转载请与后台联系

欢迎转发